메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터

주제분류

정기구독(개인)

소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.

회원혜택

로그인 회원이 가져갈 수 있는 혜택들을 확인하고 이용하세요.

아카루트

학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.

영문교정

영문 논문 작성에 도움을 드리기 위해, 영문 교정 서비스를
지원하고 있어요.

고객센터 제휴문의

...

저널정보

저자정보

표지
이용수
내서재
1
내서재에 추가
되었습니다.
내서재에서
삭제되었습니다.

내서재에 추가
되었습니다.
내서재에서
삭제되었습니다.

초록·키워드

오류제보하기
철도 사고는 인명사고로 나타나는 빈도가 매우 낮은 특징이 있으므로 이러한 특징을 고려한 사고분석 모형의 구축이 필요하다. 본 연구에서는 최근 3년간 (2014~2016) 발생한 철도사고 이력 자료를 기반으로 철도 사상사고 관련된 변수 등을 정의하고 사상자 및 사망자를 고려한 모형을 구축하였다. 일반적으로 대부분의 철도사고는 인명피해를 초래하지 않기 때문에 기대 이상의 과도한 0값이 관측되고 있다. 따라서 영-과잉(zero inflation) 현상을 단순한 형태의 포아송회귀모형 대신 영-과잉 포아송회귀모형으로 설명하고자 하였다. 분석결과 사상자(casualities) 수의 경우 모형선택 기준의 관점에서 영-과잉 포아송회귀모형이 우수한 것으로 나타난 반면 사망자(fatalities) 수를 예측하기 위한 모형 비교에서 두 모형 간의 차이가 크지 않는 것으로 나타났다. 본 연구 결과는 철도사상사고 분석 모형 적용에 있어서 사상자와 사망자를 구분할 필요성이 있음을 시사하고 있다.

The railway casualities are rarely occurred so that the railway accident modeling needs to consider its low casuality. This study aims to investigate factors influencing injuries and fatalities from railway accident record data collected for 3 years from 2014 to 2016. Many cases of the railway accidents with no injuries or fatalities were recorded. We developed the zero-inflated Poisson models to consider the excessive number of zero injury and fatality on many railway accidents. The zero-inflated Poisson models of casualities and fatalities investigate characteristics of railway accident such as train type, organization, accident factor, and accident type. Then we addressed the model performance by comparing with the general Poisson model. The results show that the zero-inflated Poisson regression model of casualities is superior to general Poisson regression model, while the model for fatalities has no superiority against general one. The results of this study indicate that the railway accident models of casualities and fatalities should be separately developed.

목차

요약(Abstract)
1. 서론
2. 본론
3. 결론
참고문헌

참고문헌 (13)

참고문헌 신청

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

전체보기

댓글(0)

0

UCI(KEPA) : I410-ECN-0101-2020-525-000372287